خوارزمية adaboost واستخدامها في كشف الوجه

Question

أحاول أن أفهم خوارزمية adaboost ولكن لدي بعض المشاكل. بعد القراءة حول Adaboost، أدركت أنها خوارزمية تصنيف (بطريقة أو بأخرى مثل الشبكة العصبية). لكنني لم أستطع معرفة كيفية اختيار المصنفات الضعيفة (أعتقد أنهم ميزات تشبه هار للكشف عن الوجه) وكيفية استخدام H أخيرا هو أن المصنف الأقوياء النهائي يمكن استخدامه. أعني إذا وجدت قيم ألفا وحسب H، كيف سأستفيد منه كقيمة (واحد أو صفر) لصور جديدة. من فضلك هل هناك مثال يصفه بطريقة مثالية؟ لقد وجدت مثال زائد ونصف موجود في معظم البرامج التعليمية Adaboost لكنني لم أكن أعرف كيف يتم اختيار Hi بالضبط وكيفية اعتماد نفس المفهوم على اكتشاف الوجه. قرأت العديد من الأوراق وكان لدي العديد من الأفكار ولكن حتى الآن لم يتم ترتيب أفكاري جيدا. شكرًا....

Answer 1

Adaboost هي خوارزمية التصفية، فإنها تستخدم ضعيفة الطبقات (أي شيء يعطي أكثر من 50٪ نتيجة صحيحة، أفضل من عشوائي). وأخيرا يجمع بينهم في مصنف قوي واحد. تجد مراحل التدريب متغيرات Alpha التي تحسب H (النتيجة النهائية).
ح = سيغما (ألفا (I) * H (I)) بحيث H (I) هو 1 أو صفر لمشكلة فئتين.
يبدو أن H هو مجموع مرجحا لجميع الميزات الضعيفة، لذلك عندما يكون لدينا مدخلات جديدة (غير مشوهة من قبل)، نطبق المصنفات الضعيفة H (I) وضربهم مع Alphas الصحيح الذي نحصل عليه من مراحل التدريب للحصول على واحد أو الصفر.
لمزيد من التوضيح، راجع "الخوارزميات العشرة الأوائل في كتاب تعدين البيانات" والتي يمكن العثور عليها على موقع Gigapida.com.